机器人路径规划问题是研究在有障碍物的环境中，根据预定的评估标准，为机器人寻找一条从起点到目标点的最优的无碰撞路径。本文受栅格解耦法和遗传算法求解全局路径规划的原理的启发，提出了一种带启发式信息的遗传算法用于求解机器人全局路径规划。论文首先对环境信息进行建模，然后在基本遗传算法的基础上引入局部优化和删点操作等算子，使得改进的遗传算法能够求解所建立的路径规划模型。为了加快遗传算法的搜索速度，本文引入启发式信息表的概念。启发式信息表是在遗传算法的运行过程中，通过不断分析历代的演化数据而得到的启发式信息。一方面，启发式信息表随着遗传算法的运行不断得到更新。另一方面，启发式信息表将引导遗传算法对潜在的解空间进行搜索。实验仿真结果表明，利用启发式遗传算法求解全局路径优化问题既克服了栅格解耦法需要较大计算量和存储空间的缺点又克服了遗传算法收敛速度慢的弱点，它能够快速地搜索出全局最优路经或是近似全局最优路径。 在采用启发式遗传算法解决全局最优路径规划的基础上，本文结合模糊控制原理，最终实现对环境信息部分未知甚至存在动态障碍物的环境进行动态路径规划。最后通过对实验结果和数据的分析讨论，表明了所提方法的有效性和实用性。